Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/345457
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Parameter identification for a damage model using a physics informed neural network : Identificação de parâmetros de um modelo de dano usando uma rede neural informada por leis físicas
Title Alternative: Identificação de parâmetros de um modelo de dano usando uma rede neural informada por leis físicas
Author: Gonzalez Rojas, Carlos José, 1993-
Advisor: Bittencourt, Marco Lúcio, 1964-
Abstract: Resumo: Este trabalho aplica conceitos de redes neurais artificiais para identificar os parâmetros de um modelo matemático baseado em campos de fase para dano e fratura. A mecânica do dano é a parte da mecânica do contínuo que modela os efeitos da formação de micro-defeitos usando variáveis de estado no nível macroscópico. As equações que definem o modelo são derivadas de leis fundamentais da física e fornecem relações importantes entre as variáveis de estado. Simulações utilizando o modelo considerado neste trabalho produzem bons resultados qualitativos e quantitativos, mas muitos parâmetros devem ser ajustados para reproduzir um determinado comportamento material. Considera-se a identificação dos parâmetros do modelo por meio da resolução de um problema inverso que emprega dados pseudo-experimentais para encontrar valores que produzem o melhor ajuste aos dados. Aplica-se uma rede neural informada por leis físicas e são combinados alguns métodos clássicos de estimativa para identificar os parâmetros materiais que aparecem na equação de dano do modelo. A estratégia aplicada é composta por uma rede neural que atua como uma função aproximadora da evolução do dano com sua saída regularizada utilizando o resíduo da equação diferencial. Três estágios de otimização buscam os melhores valores possíveis para os parâmetros materiais e da rede neural. O treinamento alterna entre o ajuste de apenas os dados pseudo-experimentais ou da perda total que inclui os termos de regularização. A robustez do método na presença de ruído nos dados de treinamento e a capacidade de generalização desta metodologia são testadas usando um caso físico simples para o modelo de dano. Este procedimento lida melhor com a presença de ruído em comparação com um método de otimização restrito para a equação diferencial e também fornece boas aproximações dos parâmetros materiais e a evolução do dano

Abstract: Este trabalho aplica conceitos de redes neurais artificiais para identificar os parâmetros de um modelo matemático baseado em campos de fase para dano e fratura. A mecânica do dano é a parte da mecânica do contínuo que modela os efeitos da formação de micro-defeitos usando variáveis de estado no nível macroscópico. As equações que definem o modelo são derivadas de leis fundamentais da física e fornecem relações importantes entre as variáveis de estado. Simulações utilizando o modelo considerado neste trabalho produzem bons resultados qualitativos e quantitativos, mas muitos parâmetros devem ser ajustados para reproduzir um determinado comportamento material. Considera-se a identificação dos parâmetros do modelo por meio da resolução de um problema inverso que emprega dados pseudo-experimentais para encontrar valores que produzem o melhor ajuste aos dados. Aplica-se uma rede neural informada por leis físicas e são combinados alguns métodos clássicos de estimativa para identificar os parâmetros materiais que aparecem na equação de dano do modelo. A estratégia aplicada é composta por uma rede neural que atua como uma função aproximadora da evolução do dano com sua saída regularizada utilizando o resíduo da equação diferencial. Três estágios de otimização buscam os melhores valores possíveis para os parâmetros materiais e da rede neural. O treinamento alterna entre o ajuste de apenas os dados pseudo-experimentais ou da perda total que inclui os termos de regularização. A robustez do método na presença de ruído nos dados de treinamento e a capacidade de generalização desta metodologia são testadas usando um caso físico simples para o modelo de dano. Este procedimento lida melhor com a presença de ruído em comparação com um método de otimização restrito para a equação diferencial e também fornece boas aproximações dos parâmetros materiais e a evolução do dano
Subject: Redes neurais (Computação)
Identificação de sistemas
Mecânica do dano contínuo
Language: Inglês
Editor: [s.n.]
Citation: GONZALEZ ROJAS, Carlos José. Parameter identification for a damage model using a physics informed neural network: Identificação de parâmetros de um modelo de dano usando uma rede neural informada por leis físicas. 2020. 1 recurso online (91 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP.
Date Issue: 2020
Appears in Collections:FEM - Tese e Dissertação

Files in This Item:
File SizeFormat 
GonzalezRojas_CarlosJose_M.pdf2.24 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.